AI BENCHY 对比

Anthropic: Claude Opus 4.7 vs Google: Gemma 4 31B

摘要

Claude Opus 4.7 vs Gemma 4 31B benchmark 对比：Claude Opus 4.7 平均分领先，为 8.7 vs 6.1。 Gemma 4 31B benchmark 成本更低，为 $0.004 vs $0.679。 Gemma 4 31B 更快，为 4.05s vs 4.73s，通过率为 82.5% vs 47.6%。

推荐模型: Claude Opus 4.7 - 它在本次比较中得分最高（8.7），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Gemma 4 31B Gemma 4 31B none 发布日期: 2026-04-02 免费可用
分数	8.7	6.1
排名	#13	#98
可靠性	10.0	10.0
一致性	9.6	10.0
测试正确
尝试通过率	82.5%	47.6%
不稳定测试	1	0
总运行次数	63	63
每个结果成本	3.991	0.034
总成本	$0.679	$0.004
输入价格	$5.000 / 1M	$0.120 / 1M
输出价格	$25.000 / 1M	$0.350 / 1M
总输入令牌	65,406	20,911
输出令牌	11,858	1,407
推理令牌	2,198	0
响应时间（平均）	4.73s	4.05s
响应时间（最大）	23.18s	26.13s
响应时间（总计）	94.51s	76.87s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#13 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 tok

#98 Gemma 4 31B

none

成本: $0.001
时间: 12.8s
令牌: 795 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
Gemma 4 31B	6.5	10.0	50.0%	0		1.85s	852	45	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
Gemma 4 31B	5.5	10.0	33.3%	0		11.19s	8,381	735	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		21.45s	24,501	2,369	1,084
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
Gemma 4 31B	10.0	10.0	100.0%	0		2.25s	8,352	285	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
Gemma 4 31B	7.7	10.0	66.7%	0		3.22s	903	27	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
Gemma 4 31B	10.0	10.0	100.0%	0		2.09s	576	117	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
Gemma 4 31B	6.5	10.0	50.0%	0		2.84s	795	78	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
Gemma 4 31B	6.5	10.0	33.3%	0		4.23s	828	108	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
Gemma 4 31B	3.0	10.0	0.0%	0		0ms	0	0	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
Gemma 4 31B	3.0	10.0	0.0%	0		1.25s	224	12	0

快速对比

切换对比组合